简单的测试代码：
pop = numpy.arange(20)
rng = numpy.random.default_rng(1)
rng.choice(pop,p=numpy.repeat(1/len(pop),len(pop))) # yields 10
rng = numpy.random.default_rng(1)
rng.choice(pop) # yields 9
numpy 文档说：
与 a 中的每个条目相关联的概率。如果没有给出样本，则假设 a 中所有条目的分布是均匀的。
我不知道创建统一分布的任何其他方式，但是numpy.repeat(1/len(pop),len(pop)).
numpy 是否在使用其他东西？为什么？
如果不是，设置分布如何影响种子？
分发和种子不应该是独立的吗？
我在这里想念什么？
使用 numpy 创建均匀分布的更惯用的方法是：
numpy.random.uniform(low=0.0, high=1.0, size=None)
或者在你的情况下 numpy.random.uniform(low=0.0, high=20.0, size=1)
或者，你可以简单地做
rng = numpy.random.default_rng(1)
rng.uniform()*20
至于您关于为什么调用 rnd.choice 的两种方法会导致不同输出的问题，我的猜测是解释器执行它们的方式略有不同，因此，尽管您从相同的随机初始化开始，但到随机变量调用被执行时，你在不同的随机元素中两次调用并得到不同的结果。
分布不影响种子。详情如下：
我检查了源代码： numpy/random/_generator.pyx#L669
如果p给出，它将rng.random用于获取随机值：
import numpy
pop = numpy.arange(20)
seed = 1
rng = numpy.random.default_rng(seed)
# rng.choice works like bellow
rand = rng.random()
p = numpy.repeat(1/len(pop),len(pop))
cdf = p.cumsum()
cdf /= cdf[-1]
uniform_samples = rand
idx = cdf.searchsorted(uniform_samples, side='right')
idx = numpy.array(idx, copy=False, dtype=numpy.int64) # yields 10
print(idx)
# -----------------------
rng = numpy.random.default_rng(seed)
idx = rng.choice(pop,p=numpy.repeat(1/len(pop),len(pop))) # same as above
print(idx)
如果p没有给出，它将rng.integers用来获取一个随机值：
rng = numpy.random.default_rng(seed)
idx = rng.integers(0, pop.shape[0]) # yields 9
print(idx)
# -----------------------
rng = numpy.random.default_rng(seed)
idx = rng.choice(pop) # same as above
print(idx)
seed您可以使用不同的值进行玩耍。我不知道 and 会发生什么rng.random，rng.integers但你可以看到它们的行为不同。这就是为什么你得到不同的结果。